Prompting und Kontextsteuerung für agentische KI-Workflows

Dieser praxisorientierte Workshop zeigt, wie Large Language Models (LLMs) und agentische KI-Systeme durch gezielte Promptgestaltung, saubere Kontextführung und geeignete Steuerungsmechanismen deutlich verlässlicher, robuster und leistungsfähiger eingesetzt werden können.

Im ersten Teil wird ein praxiserprobtes „Kochbuch“ bewährter Prompting-Techniken vorgestellt. Anhand konkreter Muster wird erläutert, welche Formulierungs- und Strukturprinzipien sich in der Praxis bewährt haben und welche technischen Mechanismen ihre Wirksamkeit erklären. Behandelt werden unter anderem Instruktionsklarheit, Rollenführung, Beispieldesign, Aufgabenzerlegung sowie die gezielte Reduktion von Fehlinterpretationen.

Im zweiten Teil richtet sich der Fokus auf fortgeschrittene Methoden für agentische KI-Workflows. Es wird gezeigt, wie sich Ergebnisse durch den Einsatz wiederverwendbarer LLM-Skills beziehungsweise spezialisierter Prompt- und Verhaltensbausteine gezielt schärfen lassen. Darüber hinaus wird erläutert, wie Agent Self-Reporting genutzt werden kann, um relevante Zustandsinformationen kompakt und strukturiert festzuhalten. Dadurch lässt sich das Risiko von Endlosschleifen, Kontextverlust und unnötigen Wiederholungen reduzieren, während der verfügbare Kontext effizienter genutzt wird.

Der Workshop richtet sich an Fach- und Führungskräfte, Entwickler:innen sowie KI-Interessierte, die LLM-basierte Systeme nicht nur anwenden, sondern deren Verhalten besser verstehen und in komplexeren Arbeitsabläufen robuster einsetzen möchten.